NumPy直方图-值错误范围参数必须是有限的-输入数组正常

Question

我很难理解这个错误，因为我会给你一个有效的例子，我感兴趣的是而不是。

我必须分析一组包含全年小时价格的数据，称为sys_prices，经过各种转换后，它是一个有8785行（1列）的numpy.ndarray对象，每一行都是一个只有一个元素、一个numpy.float64数字的numpy.ndarray项。

以下代码不起作用：

stop_day = 95
start_day = stop_day - 10 # 10 days before
stop_day = (stop_day-1)*24
start_day = (start_day-1)*24

pcs=[] # list of prices to analyse
for ii in range(start_day, stop_day):
    pcs.append(sys_prices[ii][0])

p, x = np.histogram(pcs, bins='fd') 

*24部分是调整数据集中的索引，以便尊重每小时的分辨率。

我希望为histogram方法提供listpcs，以便将直方图和bin边的值分别转换为p和x。

我之所以这么说是因为下面的代码可以工作：

start_day = 1 
start_month = 1 
start_year = 2016 
stop_day = 1
stop_month = 2 
stop_year = 2016
num_prices = (date(stop_year, stop_month, stop_day) - date(start_year, start_month, start_day)).days*24

jan_prices = []
for ii in range(num_prices):
    jan_prices.append(sys_prices[ii][0])

p, x = np.histogram(jan_prices, bins='fd') # bin the data`

这些代码的不同之处在于，工作示例在从一年中选定的日期开始的任意时间段内仅分析10天，而工作示例使用1月份的所有价格（例如，数据集的前744个值）。

奇怪（r）的事情：我对stop_day使用了不同的值，似乎95会引起错误，而99、100或200不会。

你能帮我吗？

Answer 1

出现此问题的原因是，默认情况下，直方图使用min（pcs）和max（pcs）来确定存储箱的最小和最大范围，但由于数据集中有nans，因此min和max变为nans。可以通过对range参数使用np.nanmin和np.nanmax来解决此问题。

p, x = np.histogram(pcs, range=(np.nanmin(pcs), np.nanmax(pcs)) bins='fd')

我认为这比公认的答案好，因为它不需要修改个人电脑